【文章內(nèi)容簡(jiǎn)介】 圖像中感興趣的特征有選擇的突出，而衰減不需要的特征，它的目的主要是提高圖像的可懂度。圖像增強(qiáng)的方法分為空域法和頻域法兩類(lèi)，空域法主要是對(duì)圖像中的各個(gè)像素點(diǎn)進(jìn)行操作；而頻域法是在圖像的某個(gè)變換域內(nèi)，對(duì)圖像進(jìn)行操作，修改變換后的系數(shù)，例如 傅里葉 變換、 DCT變換等的系數(shù)，然后再進(jìn)行反變換得到處理后的圖像。圖像復(fù)原技術(shù)與增強(qiáng)技術(shù)不同，它需要了解圖像質(zhì)量下降的原因，首先要建立 降質(zhì)模型 ，再利用該模型，恢復(fù)原始圖像。 圖像壓縮（圖像編碼）： 圖像壓縮是指以較少的比特有損或無(wú)損地表示原來(lái)的像素矩陣的技術(shù) ,也稱(chēng)圖像編碼 。 圖像數(shù)據(jù)之所以能被壓縮，就是因?yàn)閿?shù)據(jù)中存在著冗余。圖像數(shù)據(jù)的冗余主要表現(xiàn)為：圖像中相鄰像素間的相關(guān)性引起的空間冗余；圖像序列中不同幀之間存在相關(guān)性引起的時(shí)間冗余；不同彩色平面或頻譜帶的相關(guān)性引起的頻譜冗余。數(shù)據(jù)壓縮的目的就是通過(guò)去除這些數(shù)據(jù)冗余來(lái)減少表示數(shù)據(jù)所需的比特?cái)?shù)。由于圖像數(shù)據(jù)量的龐大 ,在存儲(chǔ)、傳輸、處理時(shí)非常困難 ,因此圖像數(shù)據(jù)的壓縮就顯得非常重要。 模式識(shí)別： 模式識(shí)別 是指對(duì)表征事物或現(xiàn)象的各種形式的信息進(jìn)行處理和分析，以對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類(lèi)和解釋的過(guò)程。它是信息科學(xué)和人工智能的重要組成部分，主要應(yīng)用領(lǐng)域是圖像分析與處理、語(yǔ)音識(shí)別、聲音分類(lèi)、通信、計(jì)算機(jī)輔助診斷、數(shù)據(jù)挖掘等學(xué)科。 圖像重建： 指通過(guò)對(duì)離散圖像進(jìn)行線(xiàn)性空間內(nèi)插或線(xiàn)性空間濾波來(lái)重新獲得連續(xù)圖像的方法。 開(kāi)發(fā)平臺(tái) 1) 硬件平臺(tái)： PC 一臺(tái) 2) 系統(tǒng)平臺(tái)： Windows 20xx 或者 Windows XP 操作系統(tǒng) 3) 開(kāi)發(fā)環(huán)境： Microsoft Visual C++ 基于數(shù)字圖像的矩形芯片定位方法研究與實(shí)現(xiàn) 6 第 三 章 數(shù)字圖像處理 典型算法 BMP圖像簡(jiǎn)介 BMP 是一種與硬件設(shè)備無(wú)關(guān)的圖像文件格式，使用非常廣。它采用位映射存儲(chǔ)格式，除了圖像深度可選以外，不采用其他任何壓縮，因此， BMP 文件所占用的空間很大。 BMP 文件的圖像深度可選 1bit、 4bit、 8bit 及 24bit。 BMP 文件存儲(chǔ)數(shù)據(jù)時(shí)，圖像的掃描方式是按從左到右、從下到上的順序。 由于 BMP 文件格式是 Windows 環(huán)境中交換 圖像 數(shù)據(jù)的一種標(biāo)準(zhǔn)，因此在 Windows 環(huán)境中運(yùn)行的圖形圖像軟件都支持 BMP 圖像格式 。 典型的 BMP 圖像文件由三部分組成：位圖 文件頭數(shù)據(jù)結(jié)構(gòu)，它包含 BMP 圖像文件的類(lèi)型、顯示內(nèi)容等信息；位圖信息數(shù)據(jù)結(jié)構(gòu)，它包含有 BMP 圖像的寬、高、壓縮方法，以及定義顏色等信息。 在 BMP 位圖中，位圖 每行 的灰度 值要填充到一個(gè)四字節(jié)邊界，即位圖每行所占的存儲(chǔ)長(zhǎng)度為四字節(jié)的倍數(shù)，不足時(shí)將多余位用 0 填充。 本文所研究的芯片圖片格式是 BMP 24bit 圖像深度。 邊緣檢測(cè)原理 所謂邊緣是指其周?chē)袼鼗叶燃眲∽兓哪切┫笏氐募?，它是圖像最基本的特征。邊緣存在于目標(biāo)、背景和區(qū)域之間，所以，它是圖像分割所依賴(lài)的最重要的依據(jù)。由于邊緣 是位置的標(biāo)志，對(duì)灰度的 變化不敏感，因此，邊緣也是圖像匹配的重要 特征。兩個(gè)具有不同灰度值的相鄰 區(qū)域之間總存在邊緣，邊緣是灰度值不連續(xù)的表現(xiàn)。常見(jiàn)的邊緣點(diǎn)有：階梯型邊緣（ Stepedge），即從一個(gè)灰度（或線(xiàn)性灰度）到達(dá)比它高（或低）很多的另一個(gè)灰度；屋頂型邊緣（ Roofedge），它的灰度是慢慢增加（減少）到一定程度然后慢慢減?。ㄔ黾樱?；線(xiàn)性邊緣（ Lineedge），它是 灰度線(xiàn)性變換中出現(xiàn)的灰度脈沖。 在計(jì)算機(jī)視覺(jué)和圖像處理過(guò) 程中 ， 邊緣檢測(cè)是捕獲圖像中物體的重要特征的過(guò)程 。 這些特征包括物體光學(xué)度、幾何、物理等的不連續(xù)性。在灰 度圖像中 ， 這些信息產(chǎn)生了灰度的變化 ， 這些變化包括不連續(xù)性和極大值 。 邊緣檢測(cè)的目的就是定位這些變化和鑒別產(chǎn)生變化的物理現(xiàn)象 。 邊緣檢測(cè)的結(jié)果提供了圖像的重要特征。 許多邊緣檢測(cè)操作都是基于亮度的一階 導(dǎo)數(shù) —— 這樣就得到了原始數(shù)據(jù)亮度的 梯度 。使用這個(gè)信息 我們能夠在圖像的亮度梯度中搜尋峰值。如果 I(x) 表示點(diǎn) x 的亮度， I′(x) 表示點(diǎn) x 的一階導(dǎo)數(shù)（亮度梯度），這樣我們就會(huì)發(fā)現(xiàn)：對(duì)于更高性能的圖像處理來(lái)說(shuō)，一階導(dǎo)數(shù)能夠通過(guò)帶有掩碼的原始數(shù)據(jù)（ 1 維）卷積計(jì)算得到 。其它一些邊緣檢測(cè)操作是基于亮度的二階導(dǎo)數(shù)。這實(shí)質(zhì) 上是亮度梯度的變化率。在理想的連續(xù)變化情況下，在二階導(dǎo)數(shù)中檢測(cè) 零點(diǎn)將得到梯度中的局部最大值。另 基于數(shù)字圖像的矩形芯片定位方法研究與實(shí)現(xiàn) 7 一方面，二階導(dǎo)數(shù)中的峰值檢測(cè)是邊線(xiàn)檢測(cè)，只要圖像操作使用一個(gè)合適的尺度表示。如上所述，邊線(xiàn)是雙重邊緣，這樣我們就可以在邊線(xiàn)的一邊看到一個(gè)亮度梯度 ，而在另一邊看到相反的梯度。這樣如果圖像中有邊線(xiàn)出現(xiàn)的話(huà)我們就能在亮度梯度上看到非常大的變化。為了找到這些邊線(xiàn)，我們可以在圖像亮度梯度的二階導(dǎo)數(shù)中尋找過(guò)零點(diǎn)。如果 I(x) 表示點(diǎn) x 的亮度， I′′(x) 表示點(diǎn) x 亮度的二階導(dǎo)數(shù)，那么 同樣許多算法也使用卷積掩碼快速處理圖像數(shù)據(jù) 。 一旦我們計(jì)算出導(dǎo)數(shù)之后，下一步要做的就是給出一個(gè)閾值來(lái)確定哪里是邊緣位置。閾值越低，能夠檢測(cè)出的邊線(xiàn)越多，結(jié)果也就越容易受到圖片噪聲的影響，并且越容易從圖像中挑出不相關(guān)的特性。與此相反，一個(gè)高的閾值將會(huì)遺失細(xì)的或者短的線(xiàn)段。 一個(gè)常用的這種方法是帶有滯后作用的閾值選擇。這個(gè)方法使用不同的閾值去尋找邊緣。首先使用一個(gè)閾值上限去尋找邊線(xiàn)開(kāi)始的地方。一旦找到了一個(gè)開(kāi)始點(diǎn)，我們?cè)趫D像上逐點(diǎn)跟蹤邊緣路徑，當(dāng)大于門(mén)檻下限時(shí)一直紀(jì)錄邊緣位置，直到數(shù)值小于下限之后才停止紀(jì)錄。這種方法假設(shè)邊緣是連續(xù)的界線(xiàn)，并且我們能夠跟蹤前面所看到的邊緣的模糊部分，而不會(huì)將圖像中的噪聲點(diǎn)標(biāo)記為邊緣。 四 種典型邊緣檢測(cè)算子 如果一個(gè)像素落在圖像中某一個(gè)物體的邊界上，那么它的鄰域?qū)⒊蔀橐粋€(gè)灰度級(jí)變化的帶。對(duì)這種變化最有用的兩個(gè)特 征是灰度的變化率和方向，它們 分別以梯度向量的幅度和方向來(lái)表示。 邊緣檢測(cè)算子檢查每個(gè)像素的鄰域井 并 對(duì)灰度變化率進(jìn)行量化，通常也包括方向的確定．有若干種方法可以使用，其中大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。 Roberts邊緣檢測(cè)算子 Roberts邊緣檢測(cè)算子是一種利用局部差分算子尋找邊緣的算子 ,Robert算子圖像處理后結(jié)果邊緣不是很平滑。經(jīng)分析，由于 Robert 算子通常會(huì)在圖像邊緣附近的區(qū)域內(nèi) 產(chǎn)生較寬的響應(yīng)，故采用 上述算子檢測(cè)的邊緣圖像常需做細(xì)化處理，邊緣定位的精度不是很高。 它由 公式（ ） 給出： g(x,y)={[ ))1(,1(),( ??? yxfyxf ]2 +[ ))1(,(),1( ??? yxfyxf ]2}21 （ ） 其中 f(x, y)是 具有整數(shù)像素坐標(biāo)的輸入圖像。其中的平方根運(yùn)算使該處理類(lèi)似于人類(lèi)視覺(jué)系統(tǒng)中發(fā)生的過(guò)程。 Sobel邊緣檢測(cè)算子 索貝爾算子（ Sobel operator）是 圖像處理 中的算子之一，主要用作 邊緣檢測(cè) 。在技基于數(shù)字圖像的矩形芯片定位方法研究與實(shí)現(xiàn) 8 術(shù)上，它是一離散性差分算子，用來(lái)運(yùn)算圖像亮度函數(shù)的梯度之近似值。在圖像的任何一點(diǎn)使用此算子，將會(huì)產(chǎn)生對(duì)應(yīng)的梯度矢量或是其法矢量 。圖 所示的兩個(gè)卷積核形成了 Sobel邊緣算子。圖像中的每個(gè)點(diǎn)都用這兩個(gè)核做卷積。一個(gè)核對(duì)通常的垂直邊緣響應(yīng)最大而另一個(gè)對(duì)水平邊緣響應(yīng)最大。兩個(gè)卷積的最大值作為該點(diǎn)的輸出值、運(yùn) 算結(jié)果是一幅邊緣幅度圖像。 Gx= A*101202101???????????????? and Gy= A*121000121???????????????? 圖 Sobel 邊緣算子 圖像的每一個(gè)像素的橫向及縱向梯度近似值可用 （ ） 公式結(jié)合，來(lái)計(jì)算梯度的大小。 G = 22 yx GG ? （ ） 然后可用 （ ） 公式計(jì)算梯度方向。 ? ?xyGGar c tan?? （ ） 如果以上的角度 ? 等于零，即代表圖像該處擁有縱向邊緣， 并且 左方較右方暗。 Prewitt邊緣檢測(cè)算子 在一個(gè)較大區(qū)域中，用兩點(diǎn)的偏導(dǎo)數(shù)值來(lái) 求梯度幅度值，受噪聲干擾很大。若對(duì)兩個(gè)點(diǎn)的各自一定領(lǐng)域內(nèi)的灰度值求和，并根據(jù)兩個(gè)灰度值和的差來(lái)計(jì)算 x, y 的偏導(dǎo)數(shù)，則會(huì)在很大程度上降低噪聲干擾。源于這種思想， Prewitt 于 1970 年提出了提取邊緣的 Prewitt算子， 其系數(shù)加權(quán)模板如 表 和 ： 表 Prewitt 算子模板 1 1 1 1 0 0 0 1 1 1 基于數(shù)字圖像的矩形芯片定位方法研究與實(shí)現(xiàn) 9 表 Prewitt 算子模板 2 1 0 1 1 0 1 1 0 1 上 圖所示的兩個(gè)卷積核形成了 Prewitt 邊緣算子。 與使用 Sobel 算子的方法一樣，圖像中的每個(gè)點(diǎn)都用這兩個(gè)核進(jìn)行卷積，取最大值作為輸出。 Prewitt 算子也產(chǎn)生一幅邊緣幅度圖像。 拉普拉斯 邊緣檢測(cè)算子 拉普拉斯算子 是對(duì)二維函數(shù)進(jìn)行運(yùn)算的二階導(dǎo)數(shù)算子，通常使用的 拉普拉斯算子 如 表 和 . 表 拉普拉斯算子 1 0 1 0 1 4 1 0 1 0 表 拉普拉斯算子 2 1 1 1 1 8 1 1 1 1 由于 拉 普拉斯算子 是一個(gè)二階導(dǎo)數(shù)，他將在邊緣處產(chǎn)生一個(gè)陡峭的零交叉，由于噪聲對(duì)邊緣檢測(cè)有一定得影響，所以 拉普拉斯算子 是效果較好的邊緣檢測(cè)器。 根據(jù)圖像邊緣處的一階微分（梯度）是極限值點(diǎn)，圖像邊緣 處的二階微分應(yīng)為零，確定過(guò)零點(diǎn)的位置要比確定極值點(diǎn)容易得多，而且比較精確。但二階微分對(duì)噪音更為敏感。因此，在通常情況下，在對(duì)圖像進(jìn)行拉普拉斯算子進(jìn)行邊緣處理前，應(yīng)先對(duì)圖像進(jìn)行平滑濾波器處理，一般采用的是高斯濾波器。把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來(lái)，先平滑噪聲，再進(jìn)行邊緣檢測(cè)的方法叫做高斯拉普拉斯算子（簡(jiǎn)寫(xiě) log 算子）。常用的 log 算子是基于數(shù)字圖像的矩形芯片定位方法研究與實(shí)現(xiàn) 10 5 5 的模塊，如表 。 表 log 算子模塊 2 4 4 4 2 4 0 8 0 4 4 8 24 8 4 4 0 8 0 4 2 4 4 4 2 在 log 算子中對(duì)邊緣進(jìn)行判斷時(shí)采用的技術(shù)是零交叉檢測(cè)，可 以 把零交叉檢測(cè)進(jìn)行推廣，我們只要在檢測(cè)前用指定的濾波器對(duì)圖像進(jìn)行濾 波，然后再尋找零交叉點(diǎn)作為邊緣。 四 種典型算子的不足之處 由上述邊緣算子產(chǎn)生的邊緣圖像看來(lái)很相似。它們看 起來(lái)像一個(gè)繪畫(huà)者從圖片中 做 出的線(xiàn)條畫(huà)。 Robert 算子是 2*2 算子，對(duì)具有陡峭的低噪聲圖像響應(yīng)最好。其它 三 個(gè)算子，都是 3*3 算子，對(duì)灰度漸變和噪聲較多的圖像處理得較好 。 使用兩個(gè)掩模板組成邊緣檢 測(cè)器時(shí)，通常取較大得幅度作為輸出值。這使得它們對(duì)邊緣的走向有些敏感。取它們的平方和的開(kāi)方可以獲得性能更一致的全方位響應(yīng)。這與真實(shí)的梯度值更接近。 但是以上三種經(jīng)典算子檢測(cè)出來(lái)的邊緣在本文的芯片 定位中所達(dá)到的效果卻不是很好，因?yàn)楸疚牡闹饕康氖峭ㄟ^(guò)邊緣檢測(cè)得出芯片的偏角和中心坐標(biāo)，這些經(jīng)典的算法只能把邊緣顯示出來(lái)，但之后要求的偏角和中心坐標(biāo)卻難以求出，所以邊緣檢測(cè)的算法必須重新設(shè)計(jì)。 基于數(shù)字圖像的矩形芯片定位方法研究與實(shí)現(xiàn) 11 第四 章 系統(tǒng)功能設(shè)計(jì)與實(shí)現(xiàn) 總體設(shè)計(jì) 本系統(tǒng) 主要通過(guò)對(duì)芯片在電路板上的掃描圖像， 識(shí) 別圖像的外觀、形態(tài)及坐標(biāo)， 利用正確的算法 計(jì)算芯片在電路板上放置的正確性，從而達(dá)到芯片正確焊接的目的。 本 課題總共分為以下幾個(gè)模塊 ： 模塊一： 讀入矩形芯片的圖像，得到圖像的坐標(biāo)和每個(gè)坐標(biāo)對(duì)應(yīng)的 RGB 值 。 模塊二：設(shè)計(jì)邊緣檢測(cè)算法，得到圖像的邊緣。 包括： K 的計(jì)算 . ,得出邊緣所在直線(xiàn)的截距 . . 模塊三：求出 芯片與水平線(xiàn)的夾角 和 芯片 中 心坐標(biāo) 。 系統(tǒng) 模塊如圖 ， 子模塊如圖 所示： 圖 系統(tǒng)模塊 矩形芯片定位 方法與實(shí)現(xiàn) 讀入圖像并得到圖像坐標(biāo)和 RGB 值 邊緣檢測(cè) 得到圖像邊緣 求出芯片與水平線(xiàn) 夾角和中心坐標(biāo) 基于數(shù)字圖像的矩形芯片定位方法研究與實(shí)現(xiàn) 12